右图为我国一米新真空太阳望远镜拍摄到的太阳活动区 AR12673 高分辨率光球像。图中包含了该活动区的黑子结构（完整演化的黑子，包含了本影区域、半影区域等）、气孔结构以及太阳光球层米粒组织。试运用所学

问题相关代码，请勿粘贴截图 聚类数设为1出错。 求到M个已知点距离之和最小的点

请教一下关于支持向量聚类的问题，我对用邻接矩阵标识簇的部分不太理解，支持向量都在超球体表面，那么它们的连线不都在超球内部吗，为什么会被分为不同的连通分量呢？ 附：支持向量聚类算法：

我在编写DBSCAN聚类的程序 import matplotlib.pyplot as plt # 导入matplotlib的库 import numpy as np # 导入numpy的包 im

xx=xlsread('附件1 弱覆盖栅格数据(筛选).csv',-1);%获取数据的个数存至number[number, row]=size(xx);%获取距离矩阵，第二参数指定距离计算方法%可选参

问题遇到的现象和发生背景 AttributeError: module 'matplotlib.pyplot' has no attribute 'ylable'. Did you mean: 'ta

在python中出现了这个问题，已经下载了pandas包了，但是还是不行，应该怎么办？

请问，图中有以上五列散点，分别使用红色虚线框框选，每个点的位置已知，但分布较为散乱。请问如何才能够完成这五列散点的聚类？

如题，假设我们对一批图像的纹理特征进行了提取，那就会得到多个矩阵，网上看到的Kmeans的概念图是对一个矩阵中的点进行聚类的，那像这样的多个矩阵怎么进行聚类呢。有没有人可以帮忙回答一下操作流程或详细原

聚类算法与其他算法的组合应用有哪些？请举出具体例子并进行讨论

问题遇到的现象和发生背景 用Jupyter学习纽约出租车运行情况分析建模时，在聚类的时候，运行下列代码出现MemoryError报错。 问题相关代码 kmeans = KMeans(n_cluster

就比如说一个柑橘果实数据集里边有一些非柑橘果实的图片，把一些非常模糊不清的图片剔除出来，保留剩下的清晰的柑橘果实图片

我看了一篇文献 是用的football公开数据集 然后用Newman快速聚类算法 将网络划分。 我找到了那个Newman快速算法的代码 也有football的数据gml 格式的 我用的是visual

本人刚刚读研，接触社会网络相关，现在想用股东做一个股东社团，大概意思就是企业间有股东重复即划分在一个社团里。这样的要怎么实现

在论文中使用纵向数据作轨迹，体现异质性。以往有种方法为 “生长混合模型”（GMM）。本文是使用聚类分析对轨迹聚类，分cluster。讨论部分需讨论这两种方法的比较、优缺点（统计不是自己做的），希望能侧

学渣一枚，现在想实现曲线的聚类，想知道各位大腿有什么建议。我主要想实现的是曲线之间的相关性，比如三条曲线在一起，其中两条的走势很像，要把这两条曲线归为一类，另一条属于其他类。往后可能会有很多条曲线。现

问题遇到的现象和发生背景 问题相关代码，请勿粘贴截图 #描述: 基于组平均的AGNES算法，支持多维数组，距离用欧式距离 import numpy as np import pandas as p

问题遇到的现象和发生背景 想利用NbClust包确定K-means的最佳聚类数，结果报错。采用数据源为100000条用户评分数据建立的用户评分矩阵，图示如下，缺失值全部以0处理，稀疏度比较大 问题相

背景：Python的聚类模型练习,需求：把age年龄一列的类型变量，转变为数值变量。思考：这里，我只知道有个pd.get_dummies（）可以把类型转变为数值，但是这里一用，就每个年龄都成了单独一列

目前代码已经实现了对于英文文本的LDA聚类，但是由于之后需要计算余弦相似度，因此希望代码能增加一部分，使其输出的主题-概率分布具有词向量的特征，即输出的为：主题+词向量+概率，并在此基础上实现余弦相似

本人在用python做文本聚类分析，由于文本数据过大了，所以可视化看不清层次。请问我想要以数据的形式看到每一个小类应该怎么办呀，我现在只会获取每类的个数和中心点，有没有什么函数或者包呢？ tfidf_

如何在python中调用DBSCAN算法读取.csv文件进行聚类并且可视化啊，真的不懂 求详解

使用python进行聚类分析时报错，显示“The condensed distance matrix must contain only finite values”

今天上课学校留的实践代码，搞不太懂，下面是具体要求和我写的代码，应该有错误，求大家指正教导。编写程序生成3簇高斯数据，并用K-Means算法进行聚类。1.生成聚类中心为[(-10, 10), (0,

想做一个对手机在线评论的数据挖掘，挖掘出用户的需求，想要用到Kmeans聚类，但不知道前期应该怎么生成这个矩阵使得能够体现出用户的需求

kmeans++聚类聚成这样合理吗聚类的算法代码如下 class Kmeans: def __init__(self, k, threshold=1e-5): self.k =

如何用卷积的概念 或者其他方式，可以优化掉这两个for循环，加速算法 import numpy as np data = np.zeros([500，500]) a = [] b = [] for

这是我看到别人写的根据消费水平划分城市的代码，我理解K-means的作用应该是根据数据八个维度的表现，去划分出4个比较相似的类，但是这个作者在代码中指定了np.sum(),是按照总分高低去进行划分了吗

Kmean算法可以对数据特征维度为200的数据进行聚类吗？或者有没有其他聚类算法可以实现高纬数据聚类

看了您的文章《单细胞分析的 Python 包 Scanpy（图文详解）》，想请教您一下，scanpy处理sc-RNA序列，聚类之后，如何得到聚类好坏的定量指标，比如ARI或NMI